Google 在 Cloud Next 之後公開了一個比 TPU 更直接、也更容易讓工程主管坐直身體的數字：現在 Google 全部「新程式碼」中，有 75% 已由 AI 生成，並在工程師批准後進入產品流程。去年秋天這個比例還只有 50%。如果說過去一年大家還在把 AI coding 當成開發者個人的效率外掛，Google 這次等於直接把它抬成公司級生產指標，意思很簡單：程式碼生成率、審核流程、交付速度，已經被擺上同一張管理報表。
這也是為什麼這條消息不能只當成一則「Google 也很會寫程式」的花絮來看。昨天 Google 才用一整場發布會把代理平台與 TPU 打包成企業方案，相關脈絡可以接著看這篇 Google Cloud Next 2026 把代理平台與雙 TPU 一起端上桌，企業 AI 開始改買整套系統。現在 Google 再補上一個自己內部的採用數字，等於是在說：這不是實驗室裡的 LLM 展示，而是已經進到 Google 自己主流程的工程現場。
| Google 這次公開的訊號 | 最新數字 | 對外代表什麼 |
|---|---|---|
| 新程式碼由 AI 生成比例 | 75% | AI coding 已從輔助工具變成主流程產能來源 |
| 去年秋天的同項指標 | 50% | 半年內再往上跳，代表導入深度明顯擴大 |
| Gemini Enterprise 付費月活躍成長 | 季增 40% | 企業端對代理與自動化需求仍在快速放大 |
| 直接 API 處理量 | 每分鐘超過 160 億 Token | 企業工作流和模型呼叫量都在放大 |
| 複雜程式遷移效率 | 代理加工程師比一年前快 6 倍 | 競爭點開始從補全走向長任務執行 |
真正值得注意的不是 75% 這個大數字本身，而是 Google 怎麼定義它。官方說法是「AI-generated and approved by engineers」，這句話裡最重要的其實是後半段。Google 沒有宣稱讓系統自己把產品線寫完，而是強調程式碼已經可以大量由模型先產出，再交由工程師做批准、審查、修正與整合。這代表人類角色沒有消失，但已經從大量手打搬移到規格設定、架構判斷、審核把關與異常處理。對工程組織來說，這比單純的自動補全更難，也更接近真正的重分工。
Google 官方同時補了幾個很關鍵的場景。它說工程師已經開始協調「autonomous digital task forces」，也就是不只是一個模型幫你補一段函式，而是多個代理被發出去處理長鏈條工作。官方還舉例，一個複雜的 code migration，現在由代理與工程師協作，完成速度比一年前只靠工程師快了六倍。另一個例子則是 Gemini macOS app 的初版，是用 Google 自己的 agentic development platform「Antigravity」在幾天內從點子做到原生 Swift 原型。這些細節加在一起，代表 Google 正在把「AI 會不會寫程式」這個問題，往「工程流程能不能交給代理拆解與推進」那個更高價值的層次挪。
這也讓整個 AI coding 戰局的判斷標準繼續改變。前面 OpenAI 已經把代理能力往企業工作流裡推，之前我們寫過的 OpenAI 把 Agents SDK 補成企業級基座，AI 代理競賽開始改比誰能安全跑長任務 就是在講這條線。Google 現在則用自己的工程團隊當樣板，證明代理不是只能拿來 demo，而是可以被接進日常開發、遷移、測試與產品原型製作。這會讓企業買家的關注點從「哪家模型比較會寫 LeetCode」轉向「哪一套系統更能治理權限、審核、追蹤與回滾」。
從管理角度看，75% 這個數字還意味著另一件更現實的事：工程主管未來要管的不只是一群工程師，還要管一群會持續吐出候選程式碼的代理。程式碼評審的瓶頸會不會從撰寫轉到審核？資深工程師會不會更集中在架構與風險控制，而初階工程師的訓練路徑被壓縮？這些都不是抽象疑問，而是當 AI 生成比例變成 75% 之後立刻會撞上的組織問題。Google 願意公開這個比例，某種程度上也像是在向市場喊話：真正的競賽不是誰先做出一個會寫程式的聊天機器人，而是誰先把工程生產系統整體改寫完成。
當然，Google 這次公布的是效率敘事，不是完整成本報表。它沒有說明 75% 到底橫跨哪些語言、哪些倉庫、哪些產品線；也沒有揭露這些 AI 生成程式碼的缺陷率、回滾率、審查時間、測試覆蓋差異，或為了支撐這套流程多花了多少算力成本。這些都是接下來真正會決定市場判斷的資料。因為如果 75% 只是把大量樣板碼交給模型先吐出來，那它代表的是局部自動化；但如果連跨模組遷移、測試修補、文件同步、重構拆分都開始被代理接手，那就表示工程工作的結構真的在變。
所以 Google 這次最重要的消息，不是它比別人多了一個漂亮百分比，而是它公開承認大型科技公司已經把 AI coding 當成正式的生產制度。接下來值得看的，不只是這個比例會不會繼續往上，而是 Google 願不願意進一步公開審查負擔、缺陷外溢率與回滾數據。當市場開始要求這些資料時，AI 寫程式競賽才會從炫技期真正走向交付期。